ANALISIS SENTIMEN PADA APLIKASI GAME EFOOTBALL MENGGUNAKAN ULASAN GOOGLE PLAY STORE DENGAN METODE SUPPORT VECTOR MACHINE KOMBINASI SMOTE

Ulasan pengguna pada aplikasi eFootball 2025 Mobile di Google Play Store seringkali mencerminkan ketidakpuasan terhadap kontrol, kualitas grafis, bug teknis, dan masalah konektivitas, yang berpotensi mempengaruhi reputasi aplikasi dan keputusan unduhan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan dan rating pengguna eFootball 2025 Mobile menggunakan metode Support Vector Machine (SVM) dan mengatasi ketidakseimbangan data sentimen dengan teknik Synthetic Minority Over-sampling Technique (SMOTE). Sebanyak 1.900 ulasan berbahasa Indonesia dari Maret hingga Mei 2025 dikumpulkan dari Google Play Store melalui web scraping dan diproses melalui tahapan preprocessing (cleaning, case folding, tokenizing, normalization, stopword removal, stemming), lalu dilabeli secara manual menjadi positif, negatif, dan netral, dengan distribusi data yang menunjukkan ketidakseimbangan signifikan. Untuk mengatasi ini, data latih dibagi 50:50 dan SMOTE diterapkan untuk menyeimbangkan jumlah data di setiap kelas. Implementasi model SVM tanpa SMOTE menghasilkan akurasi 76,63% dengan kinerja buruk pada kelas minoritas, namun setelah penerapan SMOTE, performa model SVM meningkat signifikan menjadi 83,64%, terutama pada kelas negatif (precision 0,84; recall 0,87; f1-score 0,85) dan kelas netral (precision 0,86; recall 0,88; f1-score 0,87) yang sebelumnya tidak terklasifikasi dengan baik. Dari hasil penelitian ini menunjukkan bahwa kombinasi SVM dengan SMOTE efektif dalam meningkatkan performa klasifikasi sentimen, terutama untuk mengatasi masalah ketidakseimbangan data pada ulasan pengguna, dan dapat menjadi wawasan berharga bagi pengembang eFootball 2025 Mobile untuk memahami persepsi pengguna secara lebih akurat dan memprioritaskan perbaikan aplikasi.